PENERAPAN FORWARD CHAINING DALAM SISTEM PAKAR DIAGNOSA HAMA DAN PENYAKIT TANAMAN JAGUNG

Transkripsi

1 PENERAPAN FORWARD CHAINING DALAM SISTEM PAKAR DIAGNOSA HAMA DAN PENYAKIT TANAMAN JAGUNG David Program Studi Teknik Informatika, Sekolah Tinggi Manajemen Informatika dan Komputer Pontianak Jalan Merdeka Barat No. 372 Pontianak, Kalimantan Barat Telp (0561) , Fax (0561) dan Abstrak Kurangnya informasi dan pengetahuan para pembudidaya mengenai hama dan penyakit serta penanganan tepat pada tanaman menjadi latar belakang dalam penelitian ini. Tujuan dari peneltian ini adalah menghasilkan sebuah perangkat lunak sistem pakar diagnosa hama dan penyakit pada tanaman untuk dapat mengetahui jenis hama dan penyakit dalam pencegahan maupun pengendalian serta memberikan informasi kepada para pengguna untuk mengetahui informasi gejala penyakit yang baru ditemukan. Penelitian ini menggunakan survey langsung ke obyek penelitian dan metode riset eksperimental dilakukan dengan cara membuat perangkat lunak sistem pakar dengan obyek penelitian yaitu hama dan penyakit pada tanaman. Inference engine yang digunakan adalah forward chaining dan probabilitas Certainty Factor. Sistem pakar menggunakan working memory dan production system pada penelusuran rule. Dalam pengembangan perangkat lunak ini menggunakan pendekatan Agile Modeling. Hasil penelitian yang dicapai adalah adanya perangkat lunak sistem pakar diagnosa hama dan penyakit pada tanaman ini untuk dapat digunakan oleh pembudidaya, orang awam dan pembudidaya baru yang akan menanam untuk dapat mengetahui diagnosa tepat dalam penanganannya yang di dalam perangkat lunak ini telah mengadopsi pengetahuan-pengetahuan para pakar. Kata kunci : Sistem Pakar, Forward Chaining, Certainty Factor, Working Memory, Production Sysem, Agile Modeling 1. Pendahuluan Sistem pakar (Expert System) secara umum adalah sebuah sistem yang berusaha untuk mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli.sistem pakar dapat mengumpulkan dan menyimpan pengetahuan seorang pakar atau beberapa orang pakar dalam komputer.perangkat lunak sistem pakar dapat membantu kerja seorang pakar dan dapat digunakan oleh para pembudidaya, orang awam untuk memenuhi informasi tentang hama dan penyakit serta sebagai tambahan informasi untuk pembudidaya yang baru ingin menanam namun masih kurang pengetahuan mengenai tanaman. Selama ini hama yang sering menyerang pada daerah penelitian penulis antara lain ulat daun, ulat batang, ulat tongkol, ulat grayak, penggerek tongkol, jamur, lalat bibit, dan tikus. Sedangkan penyakit yang sering menyerang antara lain busuk batang, busuk tongkol, jamur batang, bercak daun, virus mozaik, karat daun, hawar daun atau pelepah. Gejala yang timbul biasanya langsung dilakukan proses diagnosa secara langsung oleh para pembudidaya. Pada kenyataannya dalam proses diagnosa yang dilakukan pembudidaya tidak sepenuhnya tepat dengan masalah yang timbul sehingga mempengaruhi pertumbuhan serta hasil yang diharapkan tidak sesuai dengan yang diinginkan. Penelitian yang dilakukan oleh penulis, mengacu pada penelitian terdahulu tentang sistem pakar untuk mendiagnosa penyakit pada tanaman karet dan carapenanggulangannya[1]. Hasil penelitian tersebut adalah menghasilkan sistem pakar yang efektif untuk mendiagnosa penyakit pada tumbuhan karet dan memberikan informasi penting terutama pada petani karet yang masih belum mengetahui banyak gejala penyakit karet yang masih baru.penelitiannya menggunakan metodologi yang berorientasi objek yaitu Rational Unified Process (RUP). Metodologi ini adalah kumpulan metode pengembangan perangkat lunak, yang diformulasikan oleh Rational Software Corporation dengan menggunakan UML sebagai bahasa pemodelan selama periode pengembangan dan iterative incremental sebagai model siklus pengembangan perangkat lunak[1]. Penelitian selanjutnya mengenai sistem pakar untuk mendiagnosa hama dan penyakit tanaman bawang menggunakan metode certainty factor [2]. Penelitian ini menghasilkan sistem 90

2 pakar sarana untuk konsultasi, sarana pembelajaran di sebuah instansi Dinas Pertanian atau Laboratorium Pertanian serta dapat dijadikan sebagai alat bantu (tool) bagi seorang pakar dalam mendiagnosa dan mensosialisasikan jenis hama dan penyakit jenis tanaman hortikultura. Metodologi perancangan sistem, proses diagnose hama dan penyakit tanaman bawang menggunakan certainty factor. Penelusuran faktanya menggunakan forward chaining yaitu penelusuran yang dimulai dari fakta-fakta untuk menguji kebenaran hipotesis [2]. Sedangkan pada penelitian ini membuat sistem pakar yang menggunakan mesin inferensi metode forward chaining yang berbasis desktop. Mengacu pada penelitian sebelumnya, representasi pengetahuan yang digunakan yaitu kaidah if-then. Yang membedakan dengan penelitian-penelitian sebelumnya adalah penggunaan working memory dan aturan produksi yang digunakan untuk penelusuran rule if-then. 2. Metode Penelitian Dalam penelitian ini, menggunakan bentuk penelitian survey. Data primer didapat dengan wawancara langsung dengan sumber informasi atau data mengenai tanaman. Sedangkan data sekunder didapat dari internet, perpustakaan dan sumber lainnya[3]. Model pengembangan perangkat lunak yang digunakan dalam perancangan perangkat lunak ini adalah dengan menggunakan metode Agile Modelling. Metode Agile Modelling ini melakukan pendekatan secara sistematis dan urut mulai dari tahap Explorasi untuk menulis kebutuhan-kebutuhan informasi yang akan dicover didalam sistem untuk release pertama, tahapan planning berorientasi kepada analisa dan desain sistem, iterasi peluncuran perangkat lunak, implementasi dan maintenance. Alat bantu perancangan perangkat lunak dalam penelitian ini menggunakan UML (Unified Modeling Language). Knowledge Representation menggunakan rule IF-Then. Program aplikasi sistem pakar diagnosa hama dan penyakit pada menggunakan metode penelusuran forward chaining (inference engine) dengan menggunakan aturan produksi (production system) dalam bentuk if-then dan working memory [4,5,6]. 3. Hasil Penelitian dan Pembahasan Sistem pakar diagnosa hama dan penyakit pada tanaman dirancang untuk memberikan fasilitas dalam menentukan jenis hama dan penyakit yang di derita berdasarkan ciri-ciri dan gejala-gejala yang ada. Hasil dari solusi akan memberikan gambaran kepada pengguna, pembudidaya terhadap hama dan penyakit yang di derita sebelum melakukan hal lebih lanjut. Secara umum, gambaran sistem dari perangkat lunak ini adalah sebagai berikut: Gambar 1. Perancangan Sistem Pakar Dari gambar 3 dapat dilihat bahwa sistem melibatkan dua pengguna yaitu pengguna dan admin. Pengguna adalah guest yang dapat login secara bebas dan hanya bisa melakukan diagnosa, melihat informasi yang ada namun tidak memiliki hak akses mengedit dan menghapus data.kemudian Admin dapat dikatakan seorang pakar yang mempunyai hak akses khusus yaitu dapat mengakses segala fitur yang ada didalam sebuah perangkat lunak, dimana pakar dapat melakukan aktivitas seperti pengguna dan juga mempunyai hak untuk mengedit data seperti menambahkan penyakit baru, gejala baru dan solusi baru jika merasa kurang dan juga dapat menghapus data yang ada. Input diagnosa yang dilakukan oleh pengguna merupakan pilihan dari beberapa gejala kemudian data akan diproses oleh database, setelah proses dilakukan maka akan tampil output yang berupa hasil diagnosa serta persentase derajat kepercayaan jenis hama atau penyakit yang menyerang tanaman. Basis pengetahuan dirancang berdasarkan pengetahuan dan pengalaman dari pakar, yang diterjemahkan kedalam bentuk tabel keputusan dan dibuat pohon keputusan untuk mempermudah pemahaman.pengetahuan yang didapat dari pakar ini kemudian akan diformulasikan kedalam basis pengetahuan yang merupakan inti dari perancangan sistem pakar ini. Pengetahuan tersebut direpresentasikan menggunakan Microsoft Visual Basic 6.0 kedalam bentuk aturan-aturan (rule) sesuai dengan data atau fakta yang ada.untuk membentuk suatu aturan digunakan metode basis pengetahuan selesai, langkah selanjutnya adalah penyusunan mesin inferensi. Mesin inferensi merupakan suatu perangkat lunak yang berfungsi untuk melakukan suatu proses pelacakan pada sistem pakar untuk menentukan solusi dari permasalahan. 91

3 Mesin Inferensi sebagai kontrol strategi digunakan untuk memilih rule yang akan digunakan. Mesin inferensi bekerja dalam sebuah looping, melakukan identifikasi dan mengeksekusi dengan kasus yang memiliki rule lebih dari satu. Mesin inferensi bergantung penuh pada working memory yang berisikan fakta-fakta (facts)[7]. Isi dalam working memory akan berubah-ubah seiring dengan berjalannya proses inferensi. Proses akan berhenti setelah goal (solusi) tercapai atau tidak ada rule yang di-apply. Pada Aplikasi sistem pakar ini, working memory yang digunakan adalah dengan menggunakan sejumlah komponen listbox sebagai penyimpanan. Working memory tersebut dibuat sedemikian rupa sehingga terbagi menjadi beberapa alokasi penyimpanan mulai dari untuk menyimpan fakta Ya, fakta Tidak, fakta Solusi, Fakta Rule, Fakta rule yang di-fire, fakta rule yang sudah ditanyakan serta beberapa fakta lainnya. Gambar 2 berikut merupakan control strategi dari konsep working memory pada aplikasi system pakar. Gambar 3 merupakan Integrasi Working Memory dalam Fire Rule Production System. Pasangan IF THEN Database DbJagung.mdb Working Memory Rules Facts Data Update Konsep perancangan mekanisme inferensi pada sistem pakar diagnosa hama dan penyakit ini mengacu pada metode inferensi yang digunakan, yaitu forward-chaining (pelacakan ke depan atau runut maju). Dalam hal ini, kesimpulan diambil berdasarkan data-data atau masukan-masukan yang telah diinputkan oleh pengguna melalui antarmuka aplikasi[8]. Mekanisme inferensinya yaitu sebagai berikut: a. Pengguna menjawab pertanyaan dengan menjawab YA atau TIDAK berdasarkan gejala hama dan penyakit. Pada tahap ini, sistem akan menyimpan data YA dalam temp sedangkan untuk jawaban TIDAK tidak akan disimpan. Data yang disimpan nantinya akan kumpulkan menjadi suatu kumpulan fakta dalam tabel rule (IF_Clause). b. Pengguna mengklik tombol Lihat Hasil Tes Diagnosa. Tahap ini adalah tahap sistem memproses fakta yang telah diperoleh dari gejala hama dan penyakit, kemudian mencocokkannya dengan daftar aturan (rule) yang telah dibuat untuk menghasilkan fakta baru berupa kesimpulan tes atau hasil tes. Berikut ini disajikan bagan alir (flow chart) algoritma mekanisme inferensi sistem pakar diagnosa hama dan penyakit (gambar 4). Start Pilih dan Eksekusi Rule yang Cocok Gambar 2. Kontrol Strategi Working Memory [7] Start Ambil Record Pertanyaan dari tabel IF-THEN Pecah/urai rule pada IF_Clause Database DbJagung.mdb Ekstrak solusi pada THEN_Clause Ambil Rule yang akan di-pilih Gejala Ke-n False Working Memory Tampil soal If User menjawab ya? True Rule Found and Fire Rule True Select rule to Fire? Simpan Gejala pada working memory False No Rule Found Apakah masih ada rule? Ya Ambil solusi dari working memory Gambar 3. Integrasi Working Memory dalam Fire Rule Production System End Gambar 4. Algoritma Mekanisme Inferensi Sistem Pakar End 92

4 Contoh solusi permasalahan Penyakit : IF Seluruh daun tampak kering atau layu AND Terjadi pada stadia generatif setelah fase pembungaan AND Pangkal batang yang terinfeksi berubah warna dari hijau menjadi kecoklatan AND Batang bagian dalam busuk AND Pangkal batang jambu, kecoklatan atau coklat THEN Tanaman Jagung terserang penyakit Busuk Batang IF Biji-biji yang terserang jambu atau kecoklatan AND Biji-biji berubah warna menjadi coklat sawo matang THEN Tanaman Jagung terserang penyakit Busuk Tongkol/Busuk Biji Gambar 7. Tampilan Form Solusi Penyakit Setelah proses diagnosa penyakit selesai, pada form hasil diagnosa penyakit jika memilih button solusi akan menampilkan solusi dari pengendalian penyakit seperti pada gambar 7 di atas. Pengujian penerimaan pengguna dilakukan untuk menentukan apakah sistem sudah memenuhi kriteria penerimaan.pengujian dilakukan dengan melakukan perbandingan antara pakar dan user. Pada bagian ini penulis hanya menyertakan beberapa contoh permasalahan yang ada karena variasi dari sebuah permasalahan cukup banyak. Gambar 5. Tampilan Form Diagnosa Penyakit Pada tampilan gambar 5, merupakan tampilan diagnosa penyakit ketika dijalankan dalam proses diagnosa, pengguna harus memberikan nilai certainty factor dari setiap pergantian pertanyaan yang ada. Gambar 8. Contoh Pemilihan ciri-ciri Hama Contoh kasus, jika user memilih ciri-ciri sebagai berikut: Hama menyerang pada daun, Hama menyerang tanaman saat umur sekitar 1 bulan, dan Daun tanaman menjadi rusak. Dari hasil user memilih ciri-ciri yang ada, maka didiagnosa hama adalah hama ulat daun, berikut tampilan hasil diagnose (Gambar 9): Gambar 6. Tampilan Form Hasil Diagnosa Penyakit Setelah selesai melakukan proses diagnosa penyakit maka akan ditampilkan hasil gejala penyakit yang dipilih beserta hasil diagnosa gejala penyakit dan penyebabnya serta persentase faktor kepercayaannya seperti pada gambar 6. Gambar 9. Contoh Hasil Diagnosa Hama Pada pengujian perbandingan perangkat lunak dengan pakar untuk mengetahui tingkat keakuratan hasil diagnosa suatu kasus oleh sistem 93

5 Gejala Seminar Nasional Informatika 2014 dan dibandingkan dengan analisa seorang pakar. Proses perbandingan sebagai berikut: Tabel 1. Pengujian Perangkat Lunak Dengan Pakar (Kasus I) PAKAR PERANGKAT LUNAK a. Daun coklat a. Daun kaku kering. b. Terdapat b. Terdapat bercak bercak-bercak kecil (uredinia) kecil(uredinia) berbentuk bulat berbentuk bulat sampai oval sampai oval terdapat pada c. Terdapat permukaan daun bercak-bercak di bagian pada atas dan bawah. permukaan c. Pada tanaman daun di dewasa pada daun bagian atas dan yang sudah tua bawah terdapat titik-titik d. Tanaman noda yang dewasa pada daun yang kecoklatan seperti sudah tua karat. terdapat titiktitik d. Terdapat serbuk noda yang yang kuning kecoklatan. e. Pada serangan kecoklatan parah seperti karat mengakibatkan daun kaku, masih menghasilkan namun tidak parah. Penyaki Karat Daun Karat Daun t Nilai 90% 81,50% Keperca yaan Berdasarkan tabel 1,perbandingan antara perangkat lunak dengan pakar dapat disimpulkan bahwa perangkat lunak berhasil mengenali pola masukan dan pola keluaran pada fase pendiagnosaan dan berhasil melakukan diagnosa terhadap sampel yang diinput oleh pengguna dengan perbandingan Perangkat lunak 81,50 % dan 90% Pakar. Tabel 2. Pengujian Perangkat Lunak Dengan Pakar (Kasus II) PAKAR PERANGKAT LUNAK Gejala a. Biji jambu atau kecoklatan. a. Biji-biji yang terserang jambu atau b. Biji berubah menjadi kecoklatan. coklat sawo b. Biji-biji Penyakit Nilai Kepercayaan matang c. Tongkol busuk coklat Busuk Tongkol/Busuk Biji 85% 70,20% berubah warna menjadi coklat sawo matang. Busuk Tongkol/Busuk Biji Berdasarkan Tabel 2, perbandingan antara perangkat lunak dengan pakar dapat disimpulkan bahwa perangkat lunak berhasil mengenali pola masukan dan pola keluaran pada fase pendiagnosaan dan berhasil melakukan diagnosa terhadap sampel yang di input oleh pengguna dengan perbandingan Perangkat lunak 70,20 % dan 85 % Pakar. Tabel 3. Pengujian Perangkat Lunak Dengan Pakar (Kasus III) PAKAR PERANGKAT LUNAK Ciri-ciri Hama a. Telur hama diletakkan pada rambut b. Larva terdiri dari lima sampai tujuh instar c. Larva memiliki sifat kanibalisme d. Hama masuk atau menyerang dalam tanaman melalui tongkol, lalu memakan biji a. Telur hama diletakkan pada rambut b. Hama menyeran g tongkol. Hama Ulat Tongkol Ulat Tongkol Nilai 98% 76,40% Kepercayaan Berdasarkan perbandingan antara perangkat lunak dengan pakar dapat disimpulkan bahwa perangkat lunak berhasil mengenali pola masukan dan pola keluaran pada fase pendiagnosaan dan berhasil melakukan diagnosa terhadap sampel yang di input oleh pengguna dengan perbandingan Perangkat lunak 76,40 % dan 98% Pakar. 94

6 4. Kesimpulan Berdasarkan hasil penelitian ini, maka dapat disimpulkan bahwa penerapan sistem pakar diagnosa hama dan penyakit pada tanaman dapat membantu pembudidaya maupun pembudidaya awal yang ingin menanam, dan orang awam untukmengetahui gejala hama dan penyakit yang menyerang tanaman. Program sistem pakar diagnosa hama dan penyakit pada tanaman dapat menghemat biaya pembudidaya dalam mendiagnosa hama dan penyakit, dibandingkan harus mengetahui tanaman mengalami gagal panen akibat serangan hama dan penyakit pada tanaman. Program sistem pakar diagnosa hama dan penyakit pada tanaman dapat menentukan hama dan penyakit sesuai dengan gejala-gejala yang telah dipilih oleh pengguna program.sistem pakar menerapkan metode Certainty Factor untukmelakukan perhitungan tingkat kepercayaan terhadap jenis diagnosa yang dihasilkan dari proses diagnosa. Adapun saran yang dapat penulis sampaikan pada saat ini adalah dapatmemasukkan lebih banyak data gejala penyakit dan hama yang berhubungandengan sistem pakar diagnosa hama dan penyakit pada tanaman. Hasil diagnosa perangkat lunak sistem pakar hama dan penyakit pada tanaman ini dapat ditingkatkan sehingga hasil diagnosa hama dan penyakit tanaman memiliki keakuratan yang lebih baik. Daftar Pustaka [1]. Lie, Fi., Kusuma,Meriyana.,2011, Sistem Pakar Untuk Mendiagnosa Penyakit Pada Tanaman Karet dan Cara Penanggulangannya, STMIK GI MDP, Yogyakarta. [2]. Fadlil, Abdul dan Tuswanto, 2013, Sistem Pakar Untuk Mendiagnosa Hama dan Penyakit Tanaman Bawang Merah Menggunakan Metode Certainty Factor, Jurnal Sarjana Teknik Informatika Volume 1 Nomor 1, e-issn: , Universitas Ahmad Dahlan, Yogyakarta. [3]. Budiman, Haryanto,2013, Budidaya Jagung Organik Varietas Baru Yang Kian Diburu, Pustaka Baru Press, Yogyakarta. [4]. Hartati, Sri dan Iswanti, Sari., 2008, Sistem Pakar dan Pengembangannya, Graha Ilmu, Yogyakarta. [5]. Kusumadewi, Sri., 2003, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu, Yogyakarta. [6]. Arhami, Muhammad., 2005, Konsep Dasar Sistem Pakar, Andi Offset, Yogyakarta [7]. Joseph O. Dada, Hans-D. Kochs, Joerg Petersen., 2010, Web-Based Expert System for Classification of Industrial and Commercial Waste Products, Journal of Emerging Trends in Computing and Information Sciences, Volume 2 No.6, JUNE 2011 ISSN , pp [8]. Hashem Hashemi, Hossein Alizadeh Moghaddam, Pegah Keyvan, Shahram Jafari, 2013, A Decision Support System for Polyuria Patient s Treatment, International Journal of Engineering Science Invention, Volume 2 Issue 1, January 2013, ISSN (Online): , ISSN (Print): , PP